Blending cultures: the intersection of A.I., VR, and intercultural identity in techno-choreography
Notice bibliographique
Résumé
This practice-based research aims to investigate the potential of using artificial intelligence (A.I.) and virtual reality (VR) to enhance choreographic practice and explore the concept of ‘hybrid cultural identity’ through professionally trained dancing bodies, by incorporating cultural objects such as chopsticks, fans, gaoqiao and silks. The hypotheses are that cultural objects as instruments could influence the generation of movement consequences and that VR and ChatGPT could help choreographers generate new movement vocabularies, patterns and structures in the process of techno-choreography. \n \nAs an intercultural artist with touring and working experiences in China, the United Kingdom, the United States of America, Canada, Belgium, and Malaysia, I argue for ‘identity as a dynamic concept’, as Cantle points out in the study of interculturalism. It should not be solely labelled by race or skin colour, especially for choreographers and dancers (2020: n.p.). Artists' identities are formed according to the hybridity of their inner world, which is built up by training, dancing experience, learning different cultures and techniques, and the outer world, which is the environments they engage with. \n \nThe use of VR and ChatGPT, along with the incorporation of cultural objects, enables me to create immersive and interactive environments that can inspire new choreographic ideas. Additionally, ChatGPT is utilised as a tool to generate new movement patterns and narrative structures that can be incorporated into the choreography. The outcome of the research is the generation of interactive performance frameworks that enable embodiments of cultural objects and dancing bodies in digital performance. This study contributes not only to aspects of choreography and dance research in the contemporary global and intercultural contexts in which I have worked but also to cultural studies and computer science studies that engage body-worn technologies or develop human-computer interfaces.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,026 |
| Communication savante | 0,012 | 0,008 |
| Science ouverte | 0,001 | 0,010 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».